联邦学习框架是ONE社区收录的AI SKILL插件，分布式联邦学习框架，支持隐私保护的多方协作模型训练。截至2026年，ONE社区已收录77+款AI SKILL插件，提供一键安装与部署支持。
功能介绍
功能简介
联邦学习框架支持多方数据在不出域的前提下联合训练AI模型，实现数据隐私保护与模型协作训练的平衡。
核心功能
- 横向联邦：多方拥有相同特征不同样本时的联合训练方案
- 纵向联邦：多方拥有不同特征相同样本时的安全特征融合方案
- 安全聚合：基于安全多方计算和差分隐私的模型参数安全聚合
- 通信优化：梯度压缩、异步聚合等技术降低通信开销
- 隐私审计：成员推断攻击检测和隐私泄露风险评估
适用场景
- 银行间联合风控建模（数据不出行）
- 医院间联合医学影像模型训练
- 跨企业用户画像联合建模
- 政企数据合规共享
技术选型
开源框架推荐FATE（微众银行）或Flower（通用型）；工业级推荐PaddleFL或TensorFlow Federated。部署时需要配合可信执行环境（TEE）或同态加密等隐私计算技术。
安装方式
npx clawhub@latest install federated-learning-framework安装完成后，在 OpenClaw 中搜索「联邦学习框架」即可启用。